IRIS — Nền tảng AI truy vấn dữ liệu bằng ngôn ngữ tự nhiên

Bối cảnh

IRIS là nền tảng NL→SQL dựa trên bản thể học, cho phép hỏi dữ liệu nhân sự nội bộ bằng tiếng Hàn. Hệ thống đạt 65/65 kiểm thử và giữ số lần gửi dữ liệu thực tế cho LLM ở mức 0. Trong doanh nghiệp có dữ liệu nhân sự nội bộ, bộ phận nhân sự và lãnh đạo không chuyên kỹ thuật cần truy vấn mà không dùng SQL. Dữ liệu chứa thông tin cá nhân không được gửi cho LLM; cùng một câu hỏi phải luôn cho cùng một câu trả lời.

Vấn đề

Khó khăn nằm ở việc nối thuật ngữ nghiệp vụ như “bộ phận có tỷ lệ nghỉ việc cao nhất” với lược đồ cơ sở dữ liệu để chuyển ngôn ngữ tự nhiên thành SQL. Gửi trực tiếp lược đồ và dữ liệu cho LLM làm tăng chi phí, tạo lỗ hổng bảo mật và khiến kết quả khó tái lập.

Công việc đã thực hiện

• Tách khái niệm nghiệp vụ và lược đồ cơ sở dữ liệu bằng bản thể học YAML, để khi đổi lĩnh vực chỉ cần sửa bản thể học.
• Xây dựng 3 tầng xử lý truy vấn: khớp truy vấn chuẩn, độ tương đồng vectơ, phân tích ý định và tạo SQL bằng LLM.
• Chỉ gửi khái niệm bản thể học và kết quả phân tích cho LLM, không gửi dữ liệu thực tế; phản hồi chỉ dùng giá trị tổng hợp đã che thông tin nhận dạng cá nhân.
• Tích hợp bot Microsoft Teams (Adaptive Card) để nhân viên đặt câu hỏi ngay trong kênh đang sử dụng.
• Xây dựng vòng tự cải thiện bản thể học, bao gồm duyệt và từ chối tên gọi thay thế, để tích lũy từ vựng trong vận hành.

Kết quả

Thời gian · Quy mô · Công nghệ

• Thời gian: kiểm chứng môi trường chạy thử nghiệm 2026-03 → triển khai bot Teams (2026-03-11)
• Quy mô: thử nghiệm trên Supabase PostgreSQL, lĩnh vực nhân sự
• Công nghệ: Next.js · TypeScript · Claude API · Supabase (PostgreSQL) · bản thể học YAML · React Flow · Recharts

Ý nghĩa của dự án

Trọng tâm của truy vấn dữ liệu bằng ngôn ngữ tự nhiên là bản thể học. Khi xây dựng bản thể học trước, LLM chỉ đảm nhiệm 5% cuối cùng.